https://www.youtube.com/watch?v=C2sqt9pG6K0
생물의 진화로부터, 생물들은 경험을 통해 학습하여 진화한다는 사실을 알게 됨(1943, Warren McCulloch)
뉴런(Neuron) / 신경세포
:신경계를 구성하는 세포 -> 전기적인 신호로 서로 통신하며 정보 저장
신경세포 -> 학습 -> 패턴 (인공신경망)
자극 -> 인풋 -> 가중치 -> 연산 -> 결과
기존 신경망 모델을 발전
응용하여 실제 문제를 해결(1958, Frank Rosenblatt)
-> 마빈 민스키가 XOR 문제를 예시로 신경망 학습에 한계가 있다는 문제를 제기함
-> 신경망에서 히든 레이어 층을 늘리면 XOR 문제를 포함하여 더욱 복잡한 문제 해결 가능(다층 퍼셉트론)
-> 레이어 층들을 경험하면서 가중치를 조절해가며 다시 뒤로 돌아가서 해법을 찾는 것(역전파법)
-> 하지만 레이어를 추가하면 추가할수록 결과가 이상해지고 돌아가는 길도 복잡해짐
-> 퍼셉트론 이론보다 더 좋은 이론들이 등장하기 시작함(1990)
사전학습법(보다 정확한 초기 값 데이터를 학습)-제프리 힌튼
-> 더 깊게(deep)
--> 딥 네트워크(deep belief nets) : 딥러닝이라는 단어 처음으로 등장
-> 제프리 힌튼 : 이미지 인식 대회(ILSVRC)에서 딥러닝이라는 기술(AlexNet-CNN(합성곱 신경망)사용)로 84%의 성과 냄
-> 딥러닝이 인공지능(AI)의 중요한 파트로 자리잡음
CNN : 이미지의 특성을 반복적으로 분석하고 사전 훈련을 시킨 다음, 결과를 다시 인공 신경망으로 보내서 최종 결과를 도출함
-> 사람과 비슷한 수준으로 정보를 조합하고 이해하는 정도
ex) 알파고
-> 문제를 실제로 사고하고 해결할 수 있는 수준(지각/자아)
ex) Skynet
-> 기계가 모든 면에서 인간의 능력을 초월한 단계
ex) 기계가 스스로 학습을 자동으로 하게 되면 기술의 발전 상당히 빨라짐 -> 특이점(Singularity)